Wir freuen uns, ankündigen zu können, dass Fireworks AI und MongoDB jetzt zusammenarbeiten, um Innovationen mit generativer KI schneller, effizienter und sicherer zu machen. Fireworks AI wurde Ende 2022 von Branchenexperten aus dem PyTorch-Team von Meta gegründet, wo sie sich auf die Optimierung der Leistung, die Verbesserung des Entwicklererlebnisses und den Betrieb von KI-Apps in großem Maßstab konzentrierten.
Dieses Fachwissen bringt Fireworks AI in seine KI-Plattform für die Produktion ein und kuratiert und optimiert die führenden offenen Modelle der Branche. Benchmarking durch das Unternehmen zeigt, dass generative KI-Modelle, die auf Fireworks AI laufen, bis zu 4x schnellere Inferenzen liefern als alternative Plattformen, mit bis zu 8x höherem Durchsatz und Skalierung.
Modelle sind ein Teil des Anwendungsstacks. Aber damit Entwickler die Möglichkeiten der generativen KI ausschöpfen können, müssen sie auch Unternehmensdaten in diese Modelle einbringen. Aus diesem Grund hat sich Fireworks AI mit MongoDB zusammengetan, um eine der größten Herausforderungen bei der Einführung von KI zu bewältigen. Mit MongoDB Atlas können Entwickler operative Daten, unstrukturierte Daten und Vektoreinbettungen sicher zusammenführen, um konsistente, korrekte und differenzierte KI-Anwendungen und -Erlebnisse zu erstellen.
Gemeinsam bieten Fireworks AI und MongoDB eine Lösung für Entwickler, die hochgradig kuratierte und optimierte Open-Source-Modelle nutzen und diese mit den unternehmenseigenen Daten kombinieren möchten – und das alles mit unvergleichlicher Geschwindigkeit und Sicherheit.
Blitzschnelle Modelle von Fireworks AI: Geschwindigkeit, Effizienz und Mehrwert
Mit seiner blitzschnellen Inferenzplattform kuratiert, optimiert und verwendet Fireworks AI über 40 verschiedene KI-Modelle. Diese Optimierungen können gleichzeitig zu erheblichen Kosteneinsparungen, reduzierten Latenzen und verbessertem Durchsatz führen. Ihre Plattform stellt dies bereit über:
-
Standardmodelle, optimierte Modelle und Add-Ons: Fireworks AI bietet eine Collection erstklassiger Text-, Einbettungs- und Bildgrundmodelle. Entwickler können diese Modelle nutzen oder ihre eigenen Modelle anpassen und einsetzen, indem sie sie mit ihren eigenen Daten über MongoDB Atlas verknüpfen.
-
Fähigkeiten zur Feinabstimmung: Um die Modellgenauigkeit und -geschwindigkeit weiter zu verbessern, bietet Fireworks AI auch einen Feinabstimmungsdienst, der seine CLI nutzt, um JSON-formatierte Objekte aus Datenbanken wie MongoDB Atlas aufzunehmen.
-
Einfache Schnittstellen und APIs für Entwicklung und Produktion: Der Fireworks AI-Spielplatz ermöglicht es Entwicklern, direkt im Browser mit Modellen zu interagieren. Der Zugriff kann auch programmatisch über eine praktische REST-API erfolgen. Dies ist OpenAI-API-kompatibel und interagiert somit mit der breiteren LLM-Umgebung.
-
Kochbuch: Ein einfaches und benutzerfreundliches Kochbuch bietet einen umfassenden Satz gebrauchsfertiger Rezepte, die für verschiedene Anwendungsfälle angepasst werden können, einschließlich Feinabstimmung, Erstellung und Auswertung.
Fireworks AI und MongoDB: Setzen Sie mit kuratierten, optimierten und schnellen Modellen den Standard für KI
Mit Fireworks AI und MongoDB Atlas werden Apps in isolierten Umgebungen ausgeführt, die Betriebszeit und Datenschutz gewährleisten und durch ausgefeilte Sicherheitskontrollen geschützt sind, die den strengsten gesetzlichen Standards entsprechen:
-
Als einer der führenden Anbieter von Open-Source-Modell-APIs bedient Fireworks AI 66 Milliarden Token pro Tag (Tendenz steigend).
-
Mit Atlas betreiben Sie Ihre Apps auf einer bewährten Plattform, die Zehntausende von Kunden bedient, von wachstumsstarken Startups bis hin zu den größten Unternehmen und Regierungen.
Zusammen ermöglicht die gemeinsame Lösung von Fireworks AI und MongoDB:
-
Retrieval-augmented Generation (RAG) oder Q&A aus einem riesigen Pool von Dokumenten: Erfassen Sie eine große Anzahl von Dokumenten, um Zusammenfassungen und strukturierte Daten zu erstellen, die dann als Grundlage für KI dienen können.
-
Klassifizierung durch semantische Suche/Ähnlichkeitssuche: Klassifizieren und analysieren Sie Konzepte und Emotionen aus Verkaufsgesprächen, Videokonferenzen und mehr, um bessere Informationen und Strategien zu erhalten. Oder organisieren und klassifizieren Sie einen Produktkatalog mit Produktbildern und Text.
-
Extraktion von Bildern in strukturierte Daten: Extrahieren Sie Bedeutungen aus Bildern, um strukturierte Daten zu erzeugen, die in einer Reihe von Bildverarbeitungs-Apps verarbeitet und durchsucht werden können – von Bestandsfotos über Mode und Objekterkennung bis hin zu medizinischen Diagnosen.
-
Intelligente Warnmeldungen: Verarbeiten Sie große Datenmengen in Echtzeit, um automatisch Betrugsfälle, Bedrohungen der Cybersicherheit und mehr zu erkennen und zu melden.
Erste Schritte mit Fireworks AI und MongoDB Atlas
Um Ihnen den Einstieg zu erleichtern, sehen Sie sich das Tutorial „Optimizing RAG with MongoDB Atlas and Fireworks AI“ an, das Ihnen zeigt, wie Sie eine Filmempfehlungs-App erstellen und die
-
MongoDB Atlas-Datenbank einbeziehen, die Filme mithilfe von Embeddings indiziert. (Vektorspeicher)
-
Ein System zur Erzeugung von Dokumenteneinbettungen. Wir verwenden die Fireworks-Einbettungs-API, um Einbettungen aus Textdaten zu erstellen. (Vektorisierung)
-
MongoDB Atlas Vector Search antwortet auf Benutzeranfragen, indem es die Anfrage in eine Einbettung umwandelt und die entsprechenden Filme abruft. (Retrieval Engine)
-
Das Mixtral-Modell verwendet die Inferenz-API von Fireworks, um die Empfehlungen zu generieren. Sie können aber auch Llama, Gemma und andere großartige OSS-Modelle verwenden. (LLM)
-
Laden des MongoDB Atlas-Beispieldatensatzes Mflix zur Erzeugung von Einbettungen (Datensatz)
Wir können Ihnen auch dabei helfen, die beste Architektur für die Bedürfnisse Ihres Unternehmens zu entwerfen. Setzen Sie sich mit Ihrem Kundenteam in Verbindung oder kontaktieren Sie uns hier, um eine gemeinsame Sitzung zu vereinbaren und herauszufinden, wie Fireworks AI und MongoDB Ihren AI-Entwicklungsprozess optimieren können.